诺贝尔化学奖得主用AI预测蛋白质 将成药物设计主流
2024年诺贝尔化学奖今日宣布，华盛顿大学的生物化学家贝克（David Baker）、Google DeepMind的琼珀（John Jumper）及哈萨比斯（Demis Hassabis），分别以蛋白质设计与蛋白质结构研究，拿下本届化学奖殊荣。学者指出，贝克的实验室所开发的软体，曾开发出全球第一个人工合成的酵素；琼珀、哈萨比斯的研究，则借由AI，在5年内将蛋白质折叠预测的准确率从40％提高到90％。
台湾科技媒体中心在诺贝尔化学奖得主出炉后，邀请国内学者分析得主研究成果。中央研究院生物化学研究所副研究员吴昆峰说明，贝克的实验室所做的研究，是蛋白质折叠的研究领域中非常困难的题目，科学家50几年来用尽一切的方法预测，想让蛋白质折叠成正确的构形。贝克的实验室拥有全世界最领先的技术，他过去发展一套称为Rosetta的软体，不只能修改原来的蛋白质，也可以从不存在的序列找到新的功能、新的折叠方式。
吴昆峰指出，Rosetta在2003年就开发出全球第一个人工合成、人工设计的酵素，这证明可以用软体来设计一个「不存在于世界上任何一种序列」的蛋白质，并引发学界20年来相继投入这个领域。往后Rosetta软体持续优化、修改后，才会有AI软体的加入，让蛋白质结构预测更成功。
中央研究院生物化学研究所研究员徐尚德指出，Rosetta最近还推出了非常强大的功能，名为Rosetta Diffusion，跳脱过去用基因得到蛋白质结构、了解功能，用已知的知识创造未知的东西的方式，能够用「生成」的方法来设计蛋白质，并辨识蛋白质能不能制成药物。疫情期间贝克的公司还直接上市，并由另一个大药厂用10亿美金买下，也显示当今生技产业的潜力。
国立清华大学化学系助理教授杨自雄表示，哈萨比斯及琼珀研究的重要性在于，只要给出一串基因序列，就能生成出应该得到的静态蛋白质结构。过去科学家用物理方式做蛋白质折叠，准确率相对低又耗时长，2016年的准确率仅约40％。而到2020年，两人提出的AlphaFold2模型准确率达到90％，也就是说，给出一段DNA序列，折叠出来的蛋白质结构有90％可以跟实质上得到的结构一样，是对于药物设计非常重要的发现。
吴昆峰指出，他们设计的东西可能还没有到药物开发、上市阶段，但往后几年应该会成为做抗体筛选、药物设计的主流方式。
徐尚德表示，贝克在疫情之后不太出远门，去年台湾生物物理学会有邀请贝克演讲，但他表示无法到台湾，只能用录影的方式。徐也听过贝克的几次演讲，最近一次是在西雅图大学办理的研讨会，据他了解，贝克现在的实验室有一整栋4层楼，一半做实验、一半做AI。即使已经不在研究的第一线，他每天都还是有不同的想法、和不同人讨论，仍充满好奇心，让他直呼非常了不起。
